[en] LARGE LANGUAGE MODEL MEDIATED PERSONALIZED PERSUASION: THEORETICAL AND EMPIRICAL EVIDENCE IN DIGITAL MENTAL HEALTH

[pt] PERSUASÃO PERSONALIZADA MEDIADA POR MODELOS DE LINGUAGEM DE GRANDE ESCALA: EVIDÊNCIAS TEÓRICAS E EMPÍRICAS EM SAÚDE MENTAL DIGITAL

[pt] BRUNO GROSSMAN

[pt] INTELIGENCIA ARTIFICIAL

[pt] SAUDE MENTAL DIGITAL

[pt] PERSUASAO PERSONALIZADA

[pt] PERSONALIDADE

[en] ARTIFICIAL INTELLIGENCE

[en] DIGITAL MENTAL HEALTH

[en] PERSONALIZED PERSUASION

[en] PERSONALITY

[pt] A alta prevalência de transtornos mentais e as desigualdades no acesso ao cuidado têm estimulado o interesse por intervenções digitais em saúde mental, incluindo agentes conversacionais baseados em inteligência artificial (IA). Nesse cenário, a persuasão personalizada mediada por IA tem sido explorada como estratégia para favorecer atitudes e adesão a esse tipo de intervenção. Esta dissertação teve como objetivo examinar a eficácia e as limitações da persuasão personalizada mediada por modelos de linguagem de grande escala na promoção da adoção de intervenções de saúde mental digital, com ênfase em um chatbot para manejo de estresse. Para atingir esse objetivo, a dissertação foi estruturada em dois estudos complementares. No Estudo I, foi conduzida uma revisão semi-sistemática da literatura recente, que reuniu oito artigos empíricos entre 2023 e 2025 (n= 26.584) nos domínios de política, consumo e saúde. Do total, 66 por cento dos testes analisados relataram efeitos significativos a favor das mensagens personalizadas, com maior consistência quando a personalização se baseou em variáveis psicológicas, especialmente Abertura à Experiência e Extroversão. O domínio da saúde apresentou a maior proporção de efeitos significativos, apesar da escassez de estudos em saúde mental digital. No Estudo II, foi realizado um experimento com 451 participantes universitários brasileiros, comparando mensagens de um LLM personalizadas pelo traço Abertura à Experiência com uma mensagem genérica sobre o uso de chatbots para manejo do estresse diário. As análises não encontraram efeito significativo do tipo de mensagem nem interação com Abertura à Experiência, enquanto diferenças individuais, como maior Abertura à Tecnologia, menor Abertura à Experiência e área de formação, mostraram associação mais clara com atitudes favoráveis ou cautelosas em relação aos chatbots. De modo geral, os resultados indicam que a personalização mediada por IA pode produzir efeitos reais, porém moderados e sensíveis ao contexto e que, em aplicações voltadas à saúde mental, características individuais e a forma como a personalização é percebida podem pesar mais do que a manipulação automatizada de linguagem.

[en] The high prevalence of mental disorders and inequalities in access to care have fueled interest in digital mental health interventions, including conversational agents based on artificial intelligence (AI). In this context, AI mediated personalized persuasion has been explored as a strategy to promote favorable attitudes toward and adherence to such interventions. This dissertation aimed to examine the effectiveness and limitations of personalized persuasion mediated by large language models in promoting the adoption of digital mental health interventions, with a focus on a stress management chatbot. To achieve this objective, the dissertation was structured into two complementary studies. In Study I, a semi systematic review of the recent literature was conducted, encompassing eight empirical articles published between 2023 and 2025 (n= 26,584) across the domains of politics, consumption, and health. Overall, 66 percent of the analyzed tests reported significant effects in favor of personalized messages, with greater consistency when personalization was based on psychological variables, particularly Openness to Experience and Extraversion. The health domain showed the highest proportion of significant effects, despite the scarcity of studies specifically focused on digital mental health. In Study II, an experiment was conducted with 451 Brazilian university students, comparing LLM generated messages personalized according to Openness to Experience with a generic message about the use of chatbots for daily stress management. The analyses found no significant effect of message type nor an interaction with Openness to Experience. In contrast, individual differences such as higher Openness to Technology, lower Openness to Experience, and field of study showed clearer associations with favorable or more cautious attitudes toward chatbots. Overall, the findings suggest that AI mediated personalization can produce real but modest and context sensitive effects and that, in mental health applications, individual characteristics and the way personalization is perceived may weigh more heavily than automated language manipulation.

LEONARDO FERNANDES MARTINS

JAIRO FRANCISCO DE SOUZA

HEDER SOARES BERNARDINO

JAIRO FRANCISCO DE SOUZA

RICARDO PRIMI

LEONARDO FERNANDES MARTINS

HEDER SOARES BERNARDINO

WALDIR MONTEIRO SAMPAIO

2026-02-05

2025-12-17

[pt] TEXTO

application/pdf

PORTUGUÊS

https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=75302@1

https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=75302@2

https://doi.org/10.17771/PUCRio.acad.75302